機器人的“大腦”與人類大腦有很大的不同，指導(dǎo)機器人如何處理各種事項通常來說就是編寫的代碼是否正確的問題。這聽起來似乎機器人比人類的學(xué)習(xí)方式更為簡單，但實際上則是更加困難——因為機器人沒有人類的直覺，由于不會根據(jù)不斷變化的環(huán)境而作出變通和適應(yīng)，使得很多事情變得幾乎不可能實現(xiàn)，比如雷鋒網(wǎng)報道過的比戰(zhàn)斗機還復(fù)雜的Atlas，還無法適應(yīng)復(fù)雜的環(huán)境。

加州大學(xué)伯克利分校（UCB）的一組研究人員展現(xiàn)了一個機器人，其可以通過不斷地試錯來學(xué)習(xí)，就像人類的學(xué)習(xí)方式一樣。它的形成使人類在人工智能領(lǐng)域的研究向前邁進了一大步。

UCB的電氣工程和計算機科學(xué)系的教授 Pieter Abbeel 表示，“已經(jīng)研發(fā)出了一種全新的方法來賦予機器人學(xué)習(xí)”。

這個方法的關(guān)鍵之處在于，當(dāng)這個機器人面對了之前從未接觸過的新鮮事物時，研究人員也不必對機器人重新編程。完全相同的軟件，但在研究人員讓機器人學(xué)習(xí)所有不同的任務(wù)時，軟件卻能對機器人如何學(xué)習(xí)進行相應(yīng)的編碼。

該團隊開發(fā)了一系列的算法，允許一個名為 BRETT 的 Willow Garage PR2 機器人學(xué)習(xí)一系列電機操作的任務(wù)，例如擰水瓶蓋子或組裝玩具飛機，而這一切任務(wù)在執(zhí)行之前研究人員并沒有進行預(yù)編程，用中國的一句俗語來表達的話，就是讓機器人“摸著石頭過河”。

這一方法允許機器人在遇到比它們通常的操作環(huán)境還要更加雜亂的環(huán)境中更有效地運作，如工廠或?qū)嶒炇摇?/span>

大多數(shù)的機器人應(yīng)用都是將機器人放置在一個受控的環(huán)境中，所有的物體都處于可預(yù)見的位置上。而把機器人放到普通的現(xiàn)實生活中的挑戰(zhàn)則是機器人必須能夠感知和適應(yīng)周圍環(huán)境，周圍的環(huán)境則是在不斷的改變。

為了讓機器人的學(xué)習(xí)能夠模仿人類學(xué)習(xí)，團隊需要接入機器學(xué)習(xí)研究的一個分支——深度學(xué)習(xí)。關(guān)于深度學(xué)習(xí)雷鋒網(wǎng)有過很多報道，它會使用一種方法，讓人造神經(jīng)網(wǎng)絡(luò)能夠從一個基線上推斷出相應(yīng)的知識，整個學(xué)習(xí)過程都無需研究人員對下一層的數(shù)據(jù)進行編程。

人類在整個生命歷程中都會通過我們自己的經(jīng)驗和其他人那里學(xué)習(xí)到新的技能。這個學(xué)習(xí)過程深深扎根于我們的神經(jīng)系統(tǒng)中。

通常情況下，當(dāng)研究人員提供了這個物體看起來像什么和他們在什么位置的信息后，BRETT能夠在10分鐘以內(nèi)就掌握每個任務(wù)。而如果讓BRETT自行識別并定位到這個物體，則需要花費約3個小時才能完成——但隨著數(shù)據(jù)處理能力的提高，它的速度也會提高。

隨著處理的數(shù)據(jù)量不斷提升，機器人就可以開始學(xué)習(xí)如何處理更復(fù)雜的事情，在未來5到10年，我們可以看到機器人學(xué)習(xí)能力顯著的進步，甚至是教小孩寫字了。

via cnet

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。